跳到主要内容
检索

Microsoft (United States)

22 篇关联报道

订阅更新
  1. bioRxiv

    GENESIS 不再需要对照细胞:仅凭实验条件生成单细胞扰动响应,在 Tahoe-100M 上逼近实验重复的一致性

    单细胞扰动图谱只覆盖了可能实验组合的一小部分,而现有生成模型需要从实测对照细胞映射到扰动细胞,且缺少判断预测好坏的实验参照。GENESIS 改为直接从细胞系或供体、药物或细胞因子、剂量和实验批次这些条件变量生成单细胞表达分布,用能量分数训练轻量多层感知机,推理时不需要对照细胞。在 Tahoe-100M 的 530 对重复平板上,其 Pearson Δ 为 0.430、实验重复为 0.432,能量距离为 0.158、实验重复为 0.154,两项与实验重复无显著差异;top-100 差异基因重叠为 0.289、实验重复为 0.299,低 3.4%。

  2. arXiv

    History Forcing 让少步视频模型记住久远历史:1.3B 学生 60 秒 VBench-Long 达 79.82

    少步自回归视频扩散模型在长推演中会逐渐丢失主体与场景信息,现有蒸馏目标没有把久远历史单独作为约束。History Forcing 用同一自回归教师在有、无额外历史两种条件下的预测之差构造上下文残差,加权后修正 DMD 或 OPSD 的蒸馏目标。1.3B 学生模型在 15 秒生成上取得 VBench 质量分 85.07,在 60 秒生成上取得 VBench-Long 综合分 79.82,并在相机离开再返回的评测中把 PlayWorld 演化质量从 2.35 提到 2.70。

  3. arXiv

    软件工程智能体的奖励不再只有通过或失败:让策略自己比较同一结果下的调试轨迹

    软件工程智能体的强化学习奖励不再只分通过和失败:让当前策略自己比较同一任务、同一验证结果下的调试轨迹,把偏好变成有界辅助奖励,在SWE-bench Verified上把Qwen3-14B的平均准确率从32.1%提到34.7%。

  4. arXiv

    多模态协同在缺模态时会反噬:Lluna把私有预测留在直连路径,八个数据集平均提升4.26%

    多模态协同在模态缺失时可能不如单个存活模型准确,Lluna把每个单模态模型的直接预测保留为私有路径,再用图上的公共分支做残差修正,并沿单模态移除链让信息更全的状态指导更少的状态。在情感计算、场景理解和医学预测的八个数据集上,非完整输入状态的平均表现比最强基线平均相对提升4.26%,最小输入下八个任务的协同增益均为正。

  5. arXiv

    智能体任务完成得越好,隐私泄露越多:936个可执行任务测出32.5%到94.4%的泄露率

    AgentCIScope把隐私案例变成跨11个应用环境的936个可执行智能体任务,测出12个智能体的单次泄露率从32.5%到94.4%,且任务完成得好并不等于守得住上下文完整性。

  6. arXiv

    代码审查智能体五个月把抓虫率从47.7%推到71.9%,但企业私有仓库上明显变弱

    CRBugBench用1800个由人工修复确认的缺陷考代码审查智能体:最强配置在top-5评论里抓到79.6%合并前缺陷,但换到企业私有仓库上性能明显下降。

  7. arXiv

    终端智能体自己造训练环境:有效环境率最高提升25倍,单环境成本降75%

    AutoEnvScaling把强化学习环境设计本身变成终端任务,让提议智能体从求解器的 rollout 中生成新环境,有效环境率最高提升25倍、单个有效环境成本最多降低75%。

  8. arXiv

    创意评测其实在测长尾:把基准里最不常见的样本挑出来,模型排名更贴近人类偏好

    把创意基准按参考语料中的罕见程度排序后,尾部子集给出的模型排名比头部子集更接近 LM Arena 创意写作的人类偏好,创意评测因此可以理解为长尾上的任务表现。

  9. arXiv

    研究者用数学分析揭示:RLVR 中省略或截断重要性权重校正会隐式改写奖励,并提出 SMC 校正机制

    该工作从数学上证明,在稀疏奖励的 RLVR 中省略或截断对富集 rollout 的重要性权重校正会隐式重新加权所定义的奖励,并将由此产生的梯度误差分解为尺度、旋转与方差;作者提出一种序贯蒙特卡洛(SMC)权重校正机制,在稳定性与粒子序假设下把标准校正方差随样本长度的指数累积缓和为加性累积,并用该分析解释 Qwen3-1.7B 在 OpenMathReasoning 稀疏片段上微调的结果,说明富集(无论校正与否)如何帮助避免稀疏域中的崩溃。

  10. arXiv

    EchoChat 将共情语音对话重构为感知—心智推理—回应三阶段流程,在 EchoEval 上把感知均分从 6.96 提升到 8.23、推理从 6.61 提升到 8.43

    该工作提出 EchoChat,把共情语音对话重构为感知、心智状态推理与回应生成的结构化认知推理流程,配套构建 400K 单轮加 4K 多轮会话的 EchoDialogue-400K 数据集、Acoustic-Anchored Attention 与带 Step-Decomposed Credit Assignment 的阶段感知强化学习目标,并发布 1K 条专家标注的 EchoEval 基准;实验显示其在感知、推理与回应一致性上均优于 12 个对比模型,感知均分 8.23、推理均分 8.43、回应均分 9.26,LLM 评分与人工判断的平均 Spearman 相关为 0.83。